2015 Fiscal Year Research-status Report
個人識別に最適化する歯式メタデータと歯式データベースに関する基礎的研究
| Project/Area Number |
25463252
|
|---|
| Research Institution | Nagasaki University |
|---|
Principal Investigator |
丸山 陽市 長崎大学, 病院(歯学系), 講師 (50173969)
|
|---|
| Project Period (FY) |
2013-04-01 – 2017-03-31
|
| Keywords | 歯科医療管理 / 個人識別 / 歯式データベース / 大規模災害 |
|---|
| Outline of Annual Research Achievements |
診療情報のIT化による歯科情報の収集方法や大規模データベースの基礎的研究が行われていない状況のため、本研究では大規模歯式データベース構築に不可欠な、（1）歯式情報に最適な入力ツールの開発と評価（2）残存歯、処置歯を含む最新の口腔内情報を表現できる歯式メタデータの定義（3）歯式情報から個人識別を可能とするデータベース構造と検索アルゴリズムの確定と評価の3項目に関する基礎的研究を目的とする。
平成25年度は平成25年度設備備品であるサーバ（NEC・Express5800/GT110F-S）に設定するために、SQLサーバソフト（Microsoft, SQL Server 2012）を導入することで、現有の歯科システムが稼働する環境を構築し、歯式入力ツールとしてタブレット型端末とスキャナによるOCR入力方式の開発を行い、平成26年度では入力方式の評価を行った。その結果、OCR方式では歯の状態を示すパラメータ数が多くなったため、入力用紙が複数枚となり、臨床使用に適さないことが明らかになったため、平成26年度は平成25年度の研究成果から歯式入力にはタブレット型端末を使用することとした。平成26年度は新電子カルテへの移行時期であったため、歯式情報の入力機能は実稼働する電子カルテで実装し、XenAppによるアプリケーションサーバで動作する歯式入力ツールをタブレット型端末で表示し、仮想アプリケーション上でのタブレット型端末によるタッチ式歯式入力が実現できた。臨床で初診時の歯式データは入力開始し、そのデータは電子カルテからデータウェアハウスへ送信し、蓄積している。平成27年度では、このデータウェアハウスから口腔内情報を抽出し、歯式より個人の特定がある程度可能になった。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
平成27年度より、臨床現場で発生したで初診時の歯式データは入力を開始し、そのデータは電子カルテからデータウェアハウスへ送信し、蓄積している。このデータウェアハウスから口腔内情報を抽出し、歯式より個人の特定がある程度可能になった。しかし、初診時の歯式は治療により変化し、初診時と歯科治療による経時的な変化データが混在した状態で抽出してしまうため、精度が十分ではない。検索精度を高めるには歯式だけではなく、治療履歴の条件を追加する必要がある。最新の歯式データで抽出するために、Deep Learningによる検出が可能かどうか検討する必要が生じた。
|
| Strategy for Future Research Activity |
現在、Deep Learningによる大規模データベース解析を行う環境として、演算コア数2816を有するGPUで並列コンピューティングを行える状態である。Deep LearningのFrameworkとしてCaffeを利用する予定である。これにより、Deep Learningによる歯式データ解析を行い、個人が識別可能かどうかの検証を行っていく予定である。
|
| Causes of Carryover |
臨床で初診時の歯式データは入力開始し、そのデータは電子カルテからデータウェアハウスへ送信し、蓄積している。このデータウェアハウスから口腔内情報を抽出し、歯式より個人の特定がある程度可能になったが、精度が十分ではない。
検索精度を高めるには歯式だけではなく、治療履歴の条件を追加する必要がある。検索が複雑になることが予測できることから、Deep Learningによる検出の可能性を検証するために追加研究を行う。
|
| Expenditure Plan for Carryover Budget |
現在、Deep Learningによる大規模データベース解析を行う環境として、演算コア数2816を有するGPUで並列コンピューティングを行える状態である。Deep LearningのFrameworkとしてCaffeを利用する予定であるが、GPUのメモリと演算コア不足が予測できるため、GPUユニットの増設を計画している。
|
